Diseño e implementación de un sistema que simule el comportamiento dinámico de una planta prototipo de control automático utilizando redes neuronales artificiales
Abstract
El presente proyecto busca simular mediante redes neuronales artificiales el comportamiento dinámico de un péndulo amortiguado a hélice (PAHM). Para el desarrollo de la
red neuronal artificial mimetizadora (RNAM) se requiere la conexión de la planta con
un sistema embebido NVIDIA Jetson TX2. Para la comunicación de los sistemas se hace
uso del protocolo UART. El sistema principal es la Jetson TX2, que transmite el valor
requerido para movilizar el motor que hace girar la hélice y recibe el ángulo del péndulo.
Estos datos son almacenados para el entrenamiento de la RNAM.
Se desarrolla una planta sintética que corresponde al modelado matemático lineal de la
PAHM, con el objetivo de producir datos sintéticos y comprobar con ellos si la RNAM
logra aprender el comportamiento dinámico de este caso idealizado. Su respuesta es satisfactoria
con un error absoluto medio de 0,0621◦ en sus predicciones.
Por otro lado, se implementa la RNAM con datos reales del PAHM, cuyos resultados
también son satisfactorios prediciendo con un error absoluto medio de 1,0875◦. A estos
resultados se llega luego de un proceso de selección de modelos que optimiza hiperparámetros
de los modelos neuronales artificiales, y de las estrategias de entrenamiento.
Se concluye que la RNAM tiene la capacidad de simular el comportamiento dinámico
de la planta PAHM. En cuanto a su comparación con el modelo sintético lineal, el cual
presenta un error absoluto promedio de 17,5177◦ con respecto a la respuesta real de la
PAHM, se puede concluir que la aplicación de la RNAM aproxima con un menor error
que el modelo matemático lineal. The present project seeks to simulate, through artificial neural networks, the dynamic
behavior of a propeller damped pendulum (PAHM). For the development of the mimicking
artificial neural network (RNAM), it is required the connection of the system with an
NVIDIA Jetson TX2 embedded system. For the communication of the systems the UART
protocol is used. The main system is the Jetson TX2, which transmits the value required
to drive the motor that rotates the propeller and receives the angle of the pendulum. This
data is stored for training the RNAM.
A synthetic system corresponding to the linear mathematical modeling of the PAHM
is developed, with the objective of producing synthetic data and testing with them if
the RNAM is able to learn the dynamic behavior of this idealized case. Its response is
satisfactory with a mean absolute error of 0,0621◦ in its predictions.
On the other hand, RNAM is implemented with real PAHM data, whose results are also
satisfactory, predicting with a mean absolute error of 1,0875◦. These results are obtained
after a model selection process that optimizes the hyperparameters of the artificial neural
models and the training strategies.
It is concluded that the RNAM has the capability to simulate the dynamic behavior
of the PAHM system. In comparison with the linear synthetic model, which presents
an mean absolute error of 17,5177◦ with respect to the real response of the PAHM, it
can be concluded that the RNAM application approximates with a lower error than the
mathematical linear model.
Description
Proyecto de Graduación (Licenciatura en Ingeniería Electrónica) Instituto Tecnológico de Costa Rica, Escuela de Ingeniería Electrónica, 2022.
Share
Metrics
Collections
The following license files are associated with this item: